{"id":"mb-20260827-0059ff","account":"mubei","brand":"","title":"年薪 50 万美元的硅谷工程师，年底被考核的指标，居然是一年有没有烧掉 25 万美元的算力","summary":"年薪 50 万美元的硅谷工程师，年底被考核的指标，居然是一年有没有烧掉 25 万美元的算力","body":"年薪 50 万美元的硅谷工程师，年底被考核的指标，居然是一年有没有烧掉 25 万美元的算力。\n黄仁勋在访谈里给出了一个标准：如果一个年薪 50 万的工程师没消耗 25 万美元的 Token，他会感到极度不安。\n硅谷随之掀起了一场叫 Tokenmaxxing 的算力消耗狂欢。\n创业公司在办公室大屏幕上挂出员工消耗排行榜，谁烧的 Token 最多，谁就是明星员工。\n法律科技公司 Harvey 一个月的消耗量暴涨到 12 万亿个 Token。\nDatabricks 首席执行官公开表扬单人烧掉 7000 美元 Token 的工程师。\n管理层深信一条公式：消耗的 Token 越多，代表员工越拥抱 AI，生产力就越高。\n然而不到半年，账单砸回了现实。\nUber 的技术官在访谈里承认，他们仅仅 4 个月就烧光了全年的 AI 预算，不得不推倒重来。\nMeta 开始对每个员工设定算力消耗上限，微软取消独立的 Claude 授权，各大公司的算力英雄榜被连夜撤下。\n为什么一场为了提升效率的技术升级，最后演变成了一场失控的算力浪费竞赛？\n把这笔账算到底，会看到一台在管理学和软件工程里运转了半个世纪的冰冷机器。\n古德哈特定律。\n1975 年英国经济学家查尔斯·古德哈特（Charles Goodhart）提出过一条铁律：\n当一个度量指标被选作管理目标时，它就立刻不再是一个有效的度量指标。\n软件工程界对这个坑再熟悉不过。\n上世纪 80 年代，IBM 用「代码行数（Lines of Code）」考核程序员的生产力。\n结果工程师为了达标，把三行逻辑拆成三十行，在项目里塞满毫无意义的废话。\n四十年后，代码行数换了一件马甲，变成了 Token。\n使用 AI 提升产出，消耗 Token 本来只是一个连带的成本。\n一旦管理层把「烧了多少 Token」反向定为衡量员工能力的考核指标，整个工程激励瞬间变形。\n工程师为了冲上排行榜，把整本几十万字的技术文档和无关依赖包整坨塞进上下文窗口。\n查一个简单的语法定义，也要调用最昂贵的旗舰推理模型跑几万字的思维链。\n在 Transformer 的自注意力机制里，上下文窗口每翻一倍，计算复杂度就面临二次方级别的飙升。\n多轮对话里的每一次提问，都在对前面堆叠的几十万个 Token 进行全量重复计算。\n这在工程账单上形成了一个隐形的底价地板。\n哪怕只输出一个单词，企业也要为之前堆叠的所有历史垃圾全额买单。\n旗舰模型的单价是优化模型的 5 到 10 倍。\n模型产出的代码质量没有质变，企业的算力账单先膨胀了十倍。\n企业花重金想要买的是最终结果。\n管理系统奖励的，却是原料的焚烧速度。\n红杉资本和 HubSpot 首席执行官最后不得不出来纠偏：产出最大化，从来不等于消耗最大化。\n把输入指标当成产出指标，把资源消耗当成生产能力。\n当一个组织开始用「你消耗了多少资源」来衡量「你创造了多少价值」时，它得到的永远不会是更高的生产力。\n它只会迅速筛选出一群精通如何把资源烧光的专家。","category":"科技","score":null,"translated_x_url":null,"translated_status_id":null,"published_at":"2026-08-27 11:28:34","created_at":"2026-08-27 11:28:34"}